Multi video summarization using query based deep optimization algorithm

Der Artikel stellt einen bahnbrechenden Ansatz für die Zusammenfassung mehrerer Videos unter Verwendung eines abfragebasierten Tiefenoptimierungsalgorithmus, QDAVOL, vor. Mit der Zunahme der Videodaten aus Überwachungskameras ist die manuelle Extraktion wichtiger Teile aus Videos unpraktisch geworden. Die vorgeschlagene Methode geht diese Herausforderung durch Automatisierung des Zusammenfassungsprozesses an. QDAVOL wählt zunächst die Keyframes der Kandidaten aus und entfernt Duplikate, um die Bearbeitungszeit zu verkürzen. Anschließend gruppiert es Frames basierend auf Ereignissen mithilfe der Event-based Object Detection and Grouping (EODG) -Technik. Der African Vulture Optimization Algorithm (AVOA) wird eingesetzt, um Keyframes aufgrund ihrer Ähnlichkeit mit Webimages und ihrer Unähnlichkeit mit anderen Kandidatenframes auszuwählen. Schließlich ordnet der Similarity-based Frame Closeness (SFC) -Mechanismus die ausgewählten Keyframes in verständlicher Weise an. Der Artikel bestätigt die Wirksamkeit von QDAVOL durch umfangreiche Experimente mit den MVS1K- und TVSum-Datensätzen und demonstriert seine überlegene Leistung im Vergleich zu bestehenden Methoden. Das vorgeschlagene Rahmenwerk verbessert nicht nur die Qualität von Videozusammenfassungen, sondern geht auch auf die Beschränkungen aktueller Techniken ein, wie die Einbeziehung irrelevanter Einzelbilder und die fehlende chronologische Ordnung in Zusammenfassungen mit mehreren Videos.